2018-02-01 16:20

　　大家好，大数据是需要平台的，大数据平台好像是云端的，但是还不够，有一些新的想法。主要是几个想法，一个是大数据平台的演进。第二，雾计算产生了。什么概念？第三，把雾跟云放在一起，端到端的工业互联网平台，这样里面有一些特点。

　　大家知道工业互联网可以说是第四次工业革命，很多人都这么看，它有什么特点呢？因为已经有一次信息革命了，这是第二次信息革命。但是，是完全不一样的，因为它是一个新的潮流，从信息进入到智能，这是一个关键点，信息可以处理数据，一些简单的融合。但是，往前走，智能化是很重要的一个方面，落到这一点，一定要全面的融合。目前下一步往前走，工业互联网到底是什么状态，到底具备什么？

　　总体来讲，从技术来讲，因为工业互联网可以从两方面看，一方面是IT技术演进，另一方面是传统的工业里面的自动化、OT方面。从技术方面看，基本上这些技术绝对是需要的，云计算、雾计算、大数据、人工智能、安全、网络、连接都是需要的，它们一块在一起形成的技术能够做工业互联网。

　　工业互联网的核心还是围绕数据，因为数据代表真正的场景，真正要解决的问题，怎么样体现价值。所以，我今天讲的话题是平台怎么支撑，平台到底长什么样，跟过去的大数据平台到底有什么区别，难点在哪儿？所以，数据、价值，最后变成真正有意义的各种商务上的东西，或者是收益，我们看到了效率提高，所以都是为了各种价值的产生。所以，这是核心了。

　　这样就牵扯到数据稳定，因为今天的话题是大数据，所以我从大数据开始讲，因为我个人也是从大数据出身的，我过去一直在大数据公司做了几年的VP，非常了解大数据整个的生态环境、生态系统到底意味着什么东西？

　　总体来讲，这页总结一下大数据，可以说从现在往回看几年演进到今天，里面有各种各样的东西。Hadoop本身，几年前是一个革命性的东西，因为它是把计算跟存储融合到一体了，分布式的，哪些有存储，哪儿就有计算，同时也覆盖了各种功能，性能跟功能和能力，比如说数据的导入导出，数据的预处理，数据的预处理、分析，存储和分析成为一体这么一个架构，完全一个全新的概念，全新的架构。前几年大数据非常重要，现在大数据冷下来了，因为大数据本身作为话题来讲，确实老了很多，但是大数据作为一个平台来讲，没有停滞，还在往前演进，已经开始发生了。

　　我的理解，大数据平台也是“摇身一变”，变成一个AI的平台，人工智能的平台了。为什么呢？因为AI取决于数据量，比如左下角这个图，没有大数据就没有今天AI的效果，大数据实际上起了一个关键作用。第一，数据量大了，才能真正做AI，否则做不了真正的AI。第二，Better Hardware。因为系统便宜了，价钱下来了。第三，算法改进。大数据还是非常非常重要的，大数据是一块，然后你往前看，什么算法、AI都可以做了，所以不能把它分开来看。

　　举个例子，我在英特尔做了16年，所以对英特尔非常了解，英特尔最近推出一个新的东西BigDL，搞出一套技术来，不用GPU，这是典型的代表，Standard Spart，是基于过去的Hadoop搞出来的，机器学习，现在又加入了深度学习，这是非常典型的例子，怎么做AI，在传统的Hadoop上面做AI。这是一个很好的例子，拿出来讲讲。我离开英特尔公司三年多了，但是现在还是很看好这个方向。因为GPU还是蛮贵的，如果性能要求不是特别高，完全能够满足，所以它有一定的空间。大数据的演进这是一个话题。大数据从大约四五年前到今天，已经是工业互联网准备好了，可以入网。所以，你要基于它去干很多东西，分析也好，我觉得是很重要的平台的一部分，但是主要还是一个后端云的平台。但是，去年IDC跟Gartner都发话了，说云是不够的，往前走，IDC去年说40%的大量数据将被存储、处理、分析。Gartner去年说是50%。雾计算我觉得相当于刚刚开始，还没有真正发生。还有像石油勘探，在很远的地方勘探石油，像风能，这些东西数据量太大，没有网络。所以，各种各样大约有六七个原因，为什么说今天被认可了，现在开始发生了，这是原因。现在有很多大家都在关注，甚至很多客户都觉得这个东西好，但是各方面还没说，特别是架构方面。

　　现在思科也是第一个有平台了，把雾部署到现场，部署到工厂里面，这么一个平台，可以支撑很多很多节点，这是一个很重要的方向。所以，雾意味着什么？接地气，不是说数据中心，几百公里以外的事了，几千公里以外的，它是一个我哪儿需要这个计算，现场就有了，工厂里面，很明显，工厂里面，大街上。你这个采集数据，视频监控，但是还没有正式化，架构还没有到位。下一步可能会有一个大的发展。

　　还有一个概念就是边缘计算，这两个是连在一块的。看你跟谁谈这个问题，从思科来讲，边缘计算就是传感器，然后是雾计算，雾计算是各种平台，可能是成千上万个节点一块干一些事情，每个节点可能是一台服务器，几台服务器，一个网络设备，现在网络设备也有处理器，刚才提到规模会很大，可能从几个节点到几千个节点，上万个节点，是一个分布式的，怎么真正的管起来，安全各方面还是一个很大的事。所以，雾在发生。刚才提到“霾计算”，那个就算了。

　　所以，总结一下它的一些特征，都串起来，根源、雾、云，这样整体的端到端的架构，这样才能真正的满足工业互联网的要求。而且架构是一个比较灵活的，不一定非得有，直接部署云也可以，是一个可以灵活性部署的架构。但是，给你场景需求，我就得要。我觉得从现在开始，五年之内的演进应该是很快的。分布不同，各式各样看你怎么用，达到一个最优的架构，这肯定是方向。应用场景很多，这一块做了很多案例了，思科现在第一个是真正有一套全套的方案，已经开始有案例在做了。

　　所以，有了这个，再看一看它的挑战。就是说，第一比较复杂，数据中心、多台服务器端出来，虚拟机怎么管，这是分布的，网络很重要，网络安全，网络性能各方面，自动管理，这都是系列问题了，所以还有很多挑战，不细讲了，所以还是一个刚刚起步的状态。

　　然后，思科的产品叫CISCO Kinetic，就是雾。需要把数据拿过来，数据里面进行分流，怎么样管理数据流，他们之间怎么处理，雾里面也会干很多数据相关的东西，比如说可以把一个月的数据存到雾里面，所以这个数据量也很大。所以，大数据最终来讲不光是数据中心，大数据平台的事，雾里面也会有相当一部分数据，看你的场景和需求。

　　根据我们现在做的很多项目，所以目前要做工业大数据有端到端的架构了，某个应用场景，特别是目前来讲看到工业界的状态，挑战一就是数据怎么进来。因为各种设备，各个企业，它的千差万别。所以说，有多少不同的协议需要，第一个能把数据弄进来，看不见的数据，能看得懂，然后还是挖掘，价值的挖掘，那是下一步了。所以，工业界的状态，现在来讲，最近我们做了很多项目，还在第一个阶段，把数据弄进来，把数据弄懂，这是现在不变的状态。然后智能化想出这些点子来，这是下一步，现在还没到这一步。所以，这个关键点在哪儿？因为现在有两大块，一个是IT，一个是OT，相当于是两个非常不同的时期，非常不一样，他们的语言不一样，东西也不一样。他们共同的点就是数据，数据是他们连接的纽带，数据也恰恰是工业互联网的核心。所以，数据怎么进来，这个是能够看，能够听，然后怎么分析。

　　所以，思科有很多可以在这方面帮助客户解决问题的方面，比如我们跟伙伴一块，也能支持很多协议，几千个协议，基本上市场重要的需求都能支持，否则花几个月就把数据弄懂，这个划不来。然后数据的预处理，数据格式各方面，然后进行分析，可以帮助这方面走的更快一点，这个是我们这个平台能带来的好处。

　　这也是一些思科的硬件，它里面跑的一些软件，有这个大数据平台都可以用，把各种算法用起来，否则数据没有到位，干着急，这个也发挥不了作用。

　　所以，串起来之后是一个端到端的，这就是具体架构了，雾是Kinetic，然后云，后面有传统的Docker，然后AI，各种各样的硬件，全面解决工业互联网企业内部具体的问题，第一就是把数据用到位，进行一些具体的分析，写一些应用，进行数据探索。

　　刚才提到可预测运维非常重要，特别是之中线的运维，各种设备的运维，这都是很普遍的场景，这个我们也做了很多。还有就是化工厂里面的气体泄露，因为大的化工厂有很多气体，这些气体可能会发生危险的状态，要用监测系统感知出来，传感器判出来浓度是多少，然后进行分析、建模，到某种程度临界点了要停，这也是很重要的一个场景，这是我们在新加坡还是泰国的一个项目，具体项目。这个图片上面是实时数据可以看到它的变化。

　　大家知道Zeepelin，可以跟数据直接交互，写代码，通过大数据做文章。谢谢大家！